论文提出 steering agent 监督 LLM 智能体执行，缓解目标漂移
论文AI 评分 72/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
一篇 arXiv 论文针对 LLM 智能体与多智能体系统在长程工具调用和协作中偏离总体目标的问题（称为 goal drift），提出一个 steering agent 在执行过程中实时监督，发现漂移时把系统拉回正轨。该智能体观察执行上下文，用低成本快路径决定何时介入，用高成本慢路径决定如何介入。两条路径通过强化学习联合训练，目标结合成对排序与 GRPO。在信息检索类搜索任务上，它对单智能体和多智能体系统都提供了有效监督，提升性能与效率；所学能力可泛化到域外任务、迁移到未见执行者，并支持不重新训练即可控制介入频率。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载要解决的问题
论文关注的是基于大语言模型的智能体与多智能体系统。这类系统越来越多地依靠长程工具调用和智能体之间的协作来完成复杂任务，但作者指出，随着执行推进，系统容易偏离最初设定的总体目标，这种失败被命名为 goal drift。偏离会浪费执行资源，并带来不理想的结果。论文的出发点不是重新设计执行者本身，而是在执行过程中加入一个监督角色，在漂移出现时进行纠正。
steering agent 的机制
作者提出的 steering agent 在执行过程中实时观察上下文，并做两类判断。第一类是何时介入，走的是低成本快路径；第二类是介入时具体怎么做，走的是高成本慢路径。为了让这个监督者具备判断目标漂移和生成有效干预的能力，作者把两条路径放在一起用强化学习训练，训练目标由成对排序目标与 group-relative policy optimization（GRPO）组合而成。
实验与泛化表现
在信息检索类搜索任务上的实验显示，steering agent 对单智能体系统和多智能体系统都能提供有效监督，既改善性能也改善效率。论文还报告了若干泛化性质：学到的监督能力可以迁移到域外任务，也能迁移到训练时未见过的执行者；此外，介入频率可以在不重新训练的情况下进行控制。论文共 21 页、6 张图，提交于 2026 年 10 月 15 日。
为什么值得看
长程智能体跑偏是实际部署中的常见损耗，这篇给出了可迁移、可调介入频率的监督方案。
智能体强化学习论文
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。